Python异步爬虫多线程与线程池示例详解
背景
当对多个url发送请求时,只有请求完第一个url才会接着请求第二个url(requests是一个阻塞的操作),存在等待的时间,这样效率是很低的。那我们能不能在发送请求等待的时候,为其单独开启进程或者线程,继续请求下一个url,执行并行请求
异步爬虫方式
多线程,多进程(不建议)
好处:可以为相关阻塞的操作单独开启线程或者进程,阻塞操作就可以异步会执行
弊端:不能无限制开启多线程或者多进程(需要频繁的创建或者销毁进程,线程)
线程池,进程池(适当使用)
好处:可以降低系统对进程或线程创建和销毁的频率,从而很好的而降低系统的开销
弊端:线程或进程池中的数量是有上限的
单线程+异步协程(推荐)
多线程
正常运行如下的代码,需要花费8秒钟的时间,因为sleep是一个阻塞的操作,在等待的时候不会执行别的操作,极大地降低了效率
from time import sleep import time start = time.time() def xx(str): print('正在下载:', str) sleep(2) str = ['xiaozi', 'aa', 'bb', 'cc'] for i in str: xx(i) end = time.time() print('程序运行时间:',end-start)
使用多线程后
from threading import Thread from time import sleep import time start = time.time() def xx(str): print('正在下载:',str) sleep(2) str = ['xiaozi','aa','bb','cc'] def main(): for s in str: #开启线程,target=函数名,args=(xx,) ,xx为向函数传递的参数,必须为元组类型,所以后面需要加, t = Thread(target=xx,args=(s,)) t.start() if __name__ == '__main__': main() end = time.time() print('程序运行时间:',end-start)
但是我们发现下面的运行顺序貌似有点乱的
线程池
对上面的改为线程池后运行
#倒入线程池模块对应的类 from multiprocessing.dummy import Pool from time import sleep import time start = time.time() def xx(str): print('正在下载:',str) sleep(2) str = ['xiaozi','aa','bb','cc'] #实例化一个线程池对象,线程池中开辟四个线程对象,并行4个线程处理四个阻塞操作 pool = Pool(4) #将列表中的每一个列表元素(可迭代对象)传递给xx函数(发生阻塞的操作)进行处理 #map方法会有一个返回值为函数的返回值(一个列表),但是这里没有返回值所以不考虑 #调用map方法 pool.map(xx,str) end = time.time() print('程序运行时间:',end-start)
以上就是Python异步爬虫多线程与线程池示例详解的详细内容,更多关于Python异步多线程与线程池的资料请关注脚本之家其它相关文章!
相关文章
python爬虫学习笔记--BeautifulSoup4库的使用详解
这篇文章主要介绍了Python中使用Beautiful Soup库的超详细教程,示例代码基于Python2.x版本,极力推荐!需要的朋友可以参考下2021-08-08
最新评论